大模型评估研究：似然排序在规模扩展表现上不同于提示词方法
该研究探讨了大语言模型（LLM）的评估方法。在多项选择问答任务中，常规基于似然的评分与提示词方法类似均依赖任务上下文。研究团队提出了一种基于问答对构建的陈述句进行似然排序的补充评估协议。通过对95个参数量从1亿到1040亿的仅解码器模型在10个多选题数据集上的测试，系统对比并揭示了似然排序与提示词方法在模型规模扩展表现上的差异。
DC AI 热点
精选
当前热点完整榜单 →
1微软发布新版Copilot超级应用：整合聊天、编程与智能体能力85 热度 ⌁2Anthropic 与 Akamai 达成 116 亿美元云算力协议，年内算力支出承诺已超 5000 亿美元82 热度 ⌁3谷歌启动Project Suncatcher：计划下周开展首个太空轨道数据中心测试81 热度 ⌁4马斯克披露AI算力布局：Colossus集群拟部署超百万张英伟达GB300芯片80 热度 ⌁5微软正式推出新版 Copilot“超级应用”，整合聊天、代码与智能体能力79 热度 ⌁9月25日2026-09-25